麦肯锡:ChatGPT等生成式AI应用激增,大中华区增长最快

全球顶级咨询公司麦肯锡(McKinsey & Company)在官网发布了《he state of AI in early 2024:Gen AI adoption spikes and starts to generate value》,一份关于生成式AI应用的调查报告。

麦肯锡对多个国家/地区的1,363位管理者进行了调查,以查看他们对ChatGPT、Copilot、Gemini和Midjourney等生成式AI的应用情况。

结果显示,65%的受调查者已经在实际业务中使用该技术,与2023年的33%相比几乎增长了两倍;

应用地区方面,大中华区(中国台湾、香港、澳门和大陆)和亚太地区成为应用该技术增长最快的区域,主要得益于技术环境、原生数字人口等优势。

下面「AIGC开放社区」将为大家解读该报告的重点,如果想查看全部调查内容可以去麦肯锡官网。

生成式AI应用激增,商业价值明显

麦肯锡表示,如果2023年是生成式AI的元年,那么2024年则是企业、组织真正应用它实现场景化落地并产生商业价值的一年。

在本次调查中,65%的受访者表示,他们经常使用生成式AI,这一比例比2023年大幅度增长。这主要是该技术能为他们带来实质性的好处,包括降本增效、业务营收增长等

72%的受访者表示,他们在业务中至少使用了1项生成式AI技术,50%表示,使用了2个以上,8%的表示,使用了至少5个以上。

在生成式AI创造商业价值方面,34%表示主要应用在营销和销售领域,主要得益于其强大的文本生成、理解和总结能力;23%则应用在了产品研发和服务领域;

17%是IT领域,也是因为其超强的代码生成、审核以及BUG调试能力;16%表示,应用在其他领域和服务领域。

总体来说,生成式AI的应用场景主要与其功能相挂钩,包括文本、代码、音频、视频、图片等生成能力。相信随着更多多模态大模型的出现,应用场景也会进一步扩大。

大中华区、亚太成应用生成式AI增长最快地区

在本次调查中,麦肯锡发现与2023年相比,大中华区和亚太地区成为应用生成式AI最高的地区。尤其是在工作和个人的经常使用频率是高于北美、欧洲发达地区。

其实从年龄段的调查结果就能看出原因,在1981---1996年出生的第一代"原生数字人口",成为经常、频繁使用生成式AI的主题人群。

这是因为原生数字人口从小就生活在互联网、智能手机、电脑和社交媒体等数字技术环境中。使用各种数字设备、技术是他们日常生活、学习的重要部分,通常不需要特别学习就会使用这些技术。

所以,简单、易用多数又处于免费的ChatGPT、Copilot、Gemini和Midjourney等生成式AI产品自然成为他们不可或缺的日常工具。

比较意外的是,1964年以后出生的人,对于生成式AI的应用也比较多。一方面是因为多数退休人可能有时间研究一些新奇的东西,另一方面也充分说明生成式AI的影响范围正在迅速扩大,渗透到不同年龄段。

企业使用生成式AI的3种方式

随着生成式AI的影响力不断扩大,企业的应用方式也发生了变化,目前主要有3种方式:

1)使用现成的生成式AI产品,例如,ChatGPT、Copilot、Gemini等,这要做的好处是可以节省一大笔研发费用,每个月支付很少的订阅费即可。

但缺点也很明显,无法在特定的业务场景进行深度应用,例如,对数字、内容准确率要求极高的金融、法律领域。不过多数受访者选择直接使用现成产品。

2)通过自有数据与生成式AI厂商合作进行模型微调,例如,你是一家律师行,希望ChatGPT回答准确、特定的内容,就可以使用自己积累的数据与GPT系列模型微调来打造特定助手。

这个方法对数据质量要求较高,如果数据标注不准确将会影响输出内容的准确性。

3)完全自己开发一款产品。目前,开源大模型领域很完善,高性能、低消耗的知名产品有很多,例如,Meta的Llama系列,微软的Phi系列,谷歌的Gemma系列。

但是这种对技术、硬件基础设施要求极高,只有大型企业才会选择这种方法。所以,在本次调查中,材料和能源、电信和媒体、金融服务等市场规模较大的行业会选择这种模式。

在应用进程方面,大约30%的受访者表示,当他们确定在业务流程中使用生成式AI后,一般需要1---4月的部署、开发时间,随后就可以在业务中使用它们。

但是如果选择自己完全开发模型,通常需要在8个月以上才能使用。

关于麦肯锡

麦肯锡成立于1926年,总部位于美国芝加哥。麦肯锡是全球"管理咨询"的先驱之一,对整个行业的发展产生了深远的影响。

麦肯锡在130多个国家/地区设有分公司、办事处,员工超过3万人,主要提供业务/企业战略咨询、运营效率改善、组织重构等。

麦肯锡也是政商界的精英摇篮,很多从麦肯锡跳槽的员工,日后在社会、企业领域成为了非常知名的人物。

本文素材来源麦肯锡官网,如有侵权请联系删除

END

相关推荐
ZHOU_WUYI9 分钟前
4.metagpt中的软件公司智能体 (ProjectManager 角色)
人工智能·metagpt
靴子学长1 小时前
基于字节大模型的论文翻译(含免费源码)
人工智能·深度学习·nlp
AI_NEW_COME2 小时前
知识库管理系统可扩展性深度测评
人工智能
海棠AI实验室2 小时前
AI的进阶之路:从机器学习到深度学习的演变(一)
人工智能·深度学习·机器学习
hunteritself2 小时前
AI Weekly『12月16-22日』:OpenAI公布o3,谷歌发布首个推理模型,GitHub Copilot免费版上线!
人工智能·gpt·chatgpt·github·openai·copilot
IT古董3 小时前
【机器学习】机器学习的基本分类-强化学习-策略梯度(Policy Gradient,PG)
人工智能·机器学习·分类
centurysee3 小时前
【最佳实践】Anthropic:Agentic系统实践案例
人工智能
mahuifa3 小时前
混合开发环境---使用编程AI辅助开发Qt
人工智能·vscode·qt·qtcreator·编程ai
四口鲸鱼爱吃盐3 小时前
Pytorch | 从零构建GoogleNet对CIFAR10进行分类
人工智能·pytorch·分类
蓝天星空3 小时前
Python调用open ai接口
人工智能·python